Anmelden Registrieren NEWSLETTER

Umfrage: Smarte Sensorik & Machine Vision

„Sensoren werden Entscheidungsträger“

TURCK GmbH
Wenn der Sensor zum echten Entscheidungsträger im KI-Umfeld wird.

Wenn der Sensor zum echten Entscheidungsträger im KI-Umfeld wird.

Bild: publish-industry, KI-based (Gemini)
28.09.2026

Die Anforderungen an industrielle Sensorik und Machine-Vision-Systeme steigen: Sie sollen präzise messen, Abweichungen erkennen, sich einfach parametrieren lassen und relevante Informationen ohne Umwege in die Automatisierung liefern. Mit integrierter Vorverarbeitung, Edge Computing und lokalen KI-Funktionen wandert immer mehr Auswertung an den Entstehungsort der Daten. Wir haben Hersteller gefragt, welche Anwendungen sich dadurch für Robotik, Qualitätsprüfung und adaptive Prozessregelung eröffnen – und wo die Grenzen der dezentralen Intelligenz liegen.

Das sagen die Experten:

Bildergalerie

  • Vincent Krull, Product Manager, Allied Vision: Mit der Alecs Open Smart Camera verlagert Allied Vision Bildverarbeitung und KI direkt an den Entstehungsort der Daten. Die Kombination aus industrieller Kamera, NVIDIA Jetson Edge-Computing und offener Softwarearchitektur ermöglicht Bildverarbeitung, KI-Inferenz und eigene Applikationslogik direkt auf der Kamera – ohne zusätzlichen Industrie-PC. So lassen sich Defekte erkennen, Objekte für Robotik lokalisieren oder Barcodes verarbeiten und Ergebnisse direkt an die Automatisierung übergeben. Die offene Plattform unterstützt eigene Algorithmen und Softwarebibliotheken. Mit VSWIR erschließt Alecs Anwendungen wie Recycling, Sortierung, Food & Agriculture und Halbleiterinspektion. Grenzen liegen bei sehr hoher Rechenleistung oder komplexen Multi-Kamera-Auswertungen.

    Vincent Krull, Product Manager, Allied Vision: Mit der Alecs Open Smart Camera verlagert Allied Vision Bildverarbeitung und KI direkt an den Entstehungsort der Daten. Die Kombination aus industrieller Kamera, NVIDIA Jetson Edge-Computing und offener Softwarearchitektur ermöglicht Bildverarbeitung, KI-Inferenz und eigene Applikationslogik direkt auf der Kamera – ohne zusätzlichen Industrie-PC. So lassen sich Defekte erkennen, Objekte für Robotik lokalisieren oder Barcodes verarbeiten und Ergebnisse direkt an die Automatisierung übergeben. Die offene Plattform unterstützt eigene Algorithmen und Softwarebibliotheken. Mit VSWIR erschließt Alecs Anwendungen wie Recycling, Sortierung, Food & Agriculture und Halbleiterinspektion. Grenzen liegen bei sehr hoher Rechenleistung oder komplexen Multi-Kamera-Auswertungen.

    Bild: Allied Vision

  • Torsten Fuchs, Geschäftsführer, Gefran Deutschland: Bei Gefran verstehen wir smarte Sensorik als Teil einer durchgängigen Automatisierung. Unsere Sensoren liefern präzise Prozessdaten, G-Mation verarbeitet sie direkt in der Maschinensteuerung und mit MAX und GAIA schaffen wir die Basis für Analyse, Optimierung und zunehmend intelligente Funktionen. Gleiches gilt für Machine Vision: Entscheidend ist nicht die einzelne Datenquelle, sondern die Fähigkeit, Sensor-, Vision- und Prozessdaten zusammenzuführen. So entstehen adaptive Regelkreise, bessere Qualitätsüberwachung und effizientere Maschinen. Dezentrale Intelligenz beschleunigt Entscheidungen – komplexe Zusammenhänge benötigen jedoch weiterhin die übergeordnete Sicht auf Maschine und Prozess.

    Torsten Fuchs, Geschäftsführer, Gefran Deutschland: Bei Gefran verstehen wir smarte Sensorik als Teil einer durchgängigen Automatisierung. Unsere Sensoren liefern präzise Prozessdaten, G-Mation verarbeitet sie direkt in der Maschinensteuerung und mit MAX und GAIA schaffen wir die Basis für Analyse, Optimierung und zunehmend intelligente Funktionen. Gleiches gilt für Machine Vision: Entscheidend ist nicht die einzelne Datenquelle, sondern die Fähigkeit, Sensor-, Vision- und Prozessdaten zusammenzuführen. So entstehen adaptive Regelkreise, bessere Qualitätsüberwachung und effizientere Maschinen. Dezentrale Intelligenz beschleunigt Entscheidungen – komplexe Zusammenhänge benötigen jedoch weiterhin die übergeordnete Sicht auf Maschine und Prozess.

    Bild: Gefran

  • Dr. Ruediger Lange, Head of BU Vision Inspection, Kistler: In der Stanz- und Spritzgussindustrie sehen wir, dass Datenerfassung und Produktionsanlagen immer enger zusammenwachsen. Kameras und optische Sensoren lassen Qualitätsdaten wie Maß, Kontur, Oberfläche und Lage in Echtzeit in die Prozessregelung einfließen, sodass Abweichungen früh erkannt und Korrekturen automatisch angestoßen werden können. Dabei setzen wir Edge Computing dort ein, wo es den größten Mehrwert bietet. Unsere Bildverarbeitungssoftware KiVision läuft beispielsweise auf Smart-Cams und wertet Bilddaten für viele Prüfaufgaben direkt an der Kamera aus. So stehen Ergebnisse ohne Umwege für Prozesssteuerung und Sortierung zur Verfügung. Bei besonders komplexen Bildverarbeitungsaufgaben – etwa, wenn hochauflösende Daten, mehrere Kameras oder rechenintensive KI-Algorithmen zusammenkommen – erfolgt die Auswertung auf leistungsstarken Vision-PCs. Entscheidend ist also nicht, möglichst viel Rechenleistung an den Edge zu verlagern, sondern die Auswertung passend zur jeweiligen Anwendung dort durchzuführen, wo sie technisch und wirtschaftlich am sinnvollsten ist. So schafft man die Grundlage für adaptive, stabile und effiziente Produktionsprozesse.

    Dr. Ruediger Lange, Head of BU Vision Inspection, Kistler: In der Stanz- und Spritzgussindustrie sehen wir, dass Datenerfassung und Produktionsanlagen immer enger zusammenwachsen. Kameras und optische Sensoren lassen Qualitätsdaten wie Maß, Kontur, Oberfläche und Lage in Echtzeit in die Prozessregelung einfließen, sodass Abweichungen früh erkannt und Korrekturen automatisch angestoßen werden können. Dabei setzen wir Edge Computing dort ein, wo es den größten Mehrwert bietet. Unsere Bildverarbeitungssoftware KiVision läuft beispielsweise auf Smart-Cams und wertet Bilddaten für viele Prüfaufgaben direkt an der Kamera aus. So stehen Ergebnisse ohne Umwege für Prozesssteuerung und Sortierung zur Verfügung. Bei besonders komplexen Bildverarbeitungsaufgaben – etwa, wenn hochauflösende Daten, mehrere Kameras oder rechenintensive KI-Algorithmen zusammenkommen – erfolgt die Auswertung auf leistungsstarken Vision-PCs. Entscheidend ist also nicht, möglichst viel Rechenleistung an den Edge zu verlagern, sondern die Auswertung passend zur jeweiligen Anwendung dort durchzuführen, wo sie technisch und wirtschaftlich am sinnvollsten ist. So schafft man die Grundlage für adaptive, stabile und effiziente Produktionsprozesse.

    Bild: Kistler

  • Leiter Geschäftsbereich Automation Products, Turck: Intelligente Sensoren entwickeln sich vom reinen Datenerfasser zum aktiven Entscheidungsträger im Automatisierungsprozess. Sie erkennen Auffälligkeiten, bewerten Messergebnisse und liefern der Steuerung oder smarten I/O-Modulen die Information für eine schnelle Reaktion. Die Verarbeitung kann bereits im Gerät passieren: Unsere CMVT-Vibrationssensoren etwa ermitteln Frequenzen und Amplituden und schlagen erst Alarm, wenn die Werte für den Maschinentyp kritisch werden. Ergänzt wird das durch ARGEE-Logik in Turck-I/O-Modulen oder über TAS Edge, das neue Modul unserer Turck Automation Suite. Das eröffnet neue Möglichkeiten für die Robotik bei wechselnden Werkstücken, für Qualitätsprüfungen mit kürzeren Reaktionszeiten und für adaptive Prozesse mit mehr Transparenz an der Maschine. Dezentrale Intelligenz bleibt Teil eines Gesamtsystems – bei großen Datenmengen zählen zentrale Plattformen und Cloud. Die Zukunft liegt im Zusammenspiel der Ebenen, nicht im Entweder-oder.

    Leiter Geschäftsbereich Automation Products, Turck: Intelligente Sensoren entwickeln sich vom reinen Datenerfasser zum aktiven Entscheidungsträger im Automatisierungsprozess. Sie erkennen Auffälligkeiten, bewerten Messergebnisse und liefern der Steuerung oder smarten I/O-Modulen die Information für eine schnelle Reaktion. Die Verarbeitung kann bereits im Gerät passieren: Unsere CMVT-Vibrationssensoren etwa ermitteln Frequenzen und Amplituden und schlagen erst Alarm, wenn die Werte für den Maschinentyp kritisch werden. Ergänzt wird das durch ARGEE-Logik in Turck-I/O-Modulen oder über TAS Edge, das neue Modul unserer Turck Automation Suite. Das eröffnet neue Möglichkeiten für die Robotik bei wechselnden Werkstücken, für Qualitätsprüfungen mit kürzeren Reaktionszeiten und für adaptive Prozesse mit mehr Transparenz an der Maschine. Dezentrale Intelligenz bleibt Teil eines Gesamtsystems – bei großen Datenmengen zählen zentrale Plattformen und Cloud. Die Zukunft liegt im Zusammenspiel der Ebenen, nicht im Entweder-oder.

    Bild: Turck

  • Lukas Neumann, Head of Business Development, VMT: Heute funktioniert dezentrale Auswertung vor allem in der Inspektion. Prüfaufgaben lassen sich in kleine Schritte teilen, und die löst einfache Algorithmik direkt am Sensor sehr verlässlich. Die größte Lücke liegt bei Prüfungen, die dokumentiert werden müssen. Ein Messwert allein reicht dort nicht. Es fehlt der Nachweis, wie genau gemessen wurde und worauf sich die Messung zurückführen lässt. Dazu gehört, dass Bilder und Modellstände im Gerät nachvollziehbar gespeichert bleiben. Bei Robot Vision ist die Kalibrierung die eigentliche Hürde. Sie ist deutlich aufwändiger, als man einem Smart Device heute zutraut, weil Sensor und Roboter ein gemeinsames Bezugssystem brauchen, das eingemessen und im Betrieb nachgeführt werden muss. Deshalb bleibt am Ende meist ein KI-Modell oder einfache 2D-Algorithmik übrig. 3D-Sensoren mit eigener Auswertung gibt es, aber nur für feste Messaufgaben. Ein wirklich flexibles 3D-Gerät fehlt auf dem Markt noch. Das wäre der nächste große Schritt, wobei über den Erfolg vor allem entscheidet, wie einfach sich die Einrichtung gestaltet.

    Lukas Neumann, Head of Business Development, VMT: Heute funktioniert dezentrale Auswertung vor allem in der Inspektion. Prüfaufgaben lassen sich in kleine Schritte teilen, und die löst einfache Algorithmik direkt am Sensor sehr verlässlich. Die größte Lücke liegt bei Prüfungen, die dokumentiert werden müssen. Ein Messwert allein reicht dort nicht. Es fehlt der Nachweis, wie genau gemessen wurde und worauf sich die Messung zurückführen lässt. Dazu gehört, dass Bilder und Modellstände im Gerät nachvollziehbar gespeichert bleiben. Bei Robot Vision ist die Kalibrierung die eigentliche Hürde. Sie ist deutlich aufwändiger, als man einem Smart Device heute zutraut, weil Sensor und Roboter ein gemeinsames Bezugssystem brauchen, das eingemessen und im Betrieb nachgeführt werden muss. Deshalb bleibt am Ende meist ein KI-Modell oder einfache 2D-Algorithmik übrig. 3D-Sensoren mit eigener Auswertung gibt es, aber nur für feste Messaufgaben. Ein wirklich flexibles 3D-Gerät fehlt auf dem Markt noch. Das wäre der nächste große Schritt, wobei über den Erfolg vor allem entscheidet, wie einfach sich die Einrichtung gestaltet.

    Bild: VMT

Firmen zu diesem Artikel
Verwandte Artikel